人工智能：模型与算法
人工智能(ArtificialIntelligence，简称AI)是以机器为载体所展示出来的人类智能，因此人工智能也被称为机器智能(MachineIntelligence)。对人类智能的模拟可通过以符号主义为核心的逻辑推理、以问题求解为核心的探询搜索、以数据驱动为核心的机器学习、以行为主义为核心的强化学习和以博弈对抗为核心的决策智能等方法来实现。
本课程成体系介绍人工智能的基本概念和基础算法，可帮助学习者掌握人工智能脉络体系，体会具能、使能和赋能，从算法层面对人工智能技术“知其意，悟其理，守其则，践其行”。课程内容包括如下：人工智能概述、搜索求解、逻辑与推理、监督学习、无监督学习、深度学习、强化学习、博弈对抗。
来而不可失者，时也；蹈而不可失者，机也。人工智能不单纯是一门课程、一手技术、一项产品或一个应用，而是理论博大深厚、技术生机勃勃、产品落地牵引、应用赋能社会的综合生态体(AIecosystem)。为了加强实训，课程中安排了以搜索求解为核心的黑白棋AI算法、以线性回归为核心的图像恢复、以深度学习为核心的垃圾分类等实训题目。
注：
1)课程相关资料可访问“智海（www.aiplusx.com.cn）”和“智海-Mo平台（momodel.cn）”。
2)本课程对应ppt可以如下免费下载
链接：https://pan.baidu.com/s/1gIweAOKUDAnON5SZat03Kg
提取码：ai22
人工智能导论
《人工智能导论》教学大纲
课程编号：AI006003
课程名称：人工智能导论 英文名称：ArtificialIntelligence
学分/学时：1/16 课程性质：通识教育选修
适用专业：计算机科学与技术、智能科学与技术、电子信息工程等
建议开设学期：第一学年秋季
先修课程：高等数学 开课单位：人工智能学院
一、课程的教学目标与任务
《人工智能导论》是关于人工智能领域的引导性课程，介绍人工智能的历史、研究现状以及新技术，目的是使学生了解和认识人工智能的各个研究领域包括最新的研究进展，激发学生学习人工智能及今后的更高级课程的学习兴趣、为将来在人工智能领域的进一步研究工作和软件实践奠定良好的基础。
通过本课程的学习，使得学生了解人工智能的历史、各个不同分支以及应用领域的研究进展及其新突破，新成果，为人工智能在各领域的应用奠定基础，拓宽学生在计算机科学与技术领域的知识广度。
二、课程具体内容及基本要求
（一）概论(2学时)
主要内容：人工智能的概念、自然智能与人工职能、人工智能各学派的认知观、人工智能的研究与应用领域
1.基本要求
（1）了解人工智能的发展历史、研究现状及发展过程中的几个研究途径；
（2）掌握人类智能和人工智能的基本概念；
（3）理解自然智能与机器智能的联系与区别。
2.重点、难点
重点：人工智能概念
难点：人工智能各学派的认知观
3.作业及课外学习要求：
课外学习：查阅文献了解最新的人工智能发展成果
小论文题目：人工智能最新研究进展
要求：通过查阅相关文献，详细介绍人工智能领域的研究最新进展综述，或着重给出某一领域如进化计算、专家系统、机器学习、机器人、神经网络等的研究最新进展。
（二）知识表示与搜索(3学时)
主要内容：状态空间法及其搜索技术；问题归约法及其搜索技术
1.基本要求
（1）理解知识表示的概念；
（2）掌握状态空间法、问题归约法；
（3）掌握图搜索技术包括宽度、深度、启发式搜索方法；
（4）了解新型搜索技术。
2.重点、难点
重点：状态空间表示法及其盲目式搜索、问题归约表示法及其盲目式搜索、
难点：A*，博弈
3.作业及课外学习要求
课外学习：需查阅文献，在实际问题中找出四种不同搜索算法的应用实例
计算机仿真：实现四种搜索算法
要求：就八数码难题实现四种搜索算法包括深度、广度、有序搜索以及A*算法，给出搜索路径，并比较四种搜索算法的搜索效率，探讨不同算法在解决实际问题时各自的适用性，形成大报告并附仿真代码
（三）谓词逻辑与机器定理证明(2学时)
主要内容：命题逻辑、谓词逻辑、消解原理
1.基本要求
（1）理解命题逻辑、谓词逻辑
（2）掌握消解原理
（3）了解反演问题求解
2.重点、难点
重点：谓词逻辑及其简单推理
难点：消解推理过程
3.作业及课外学习要求
小论文题目：机器定理证明研究现状
要求：通过查阅相关文献，详细介绍机器定理证明的研究历史及最新进展
（四）智能计算基础(3学时)
主要内容：遗传算法的基本机理、遗传算法的求解步骤及其应用、遗传规划、粒子群算法原理
1.基本要求
（1）掌握遗传算法的基本机理以及算法的实现；
（2）理解基本粒子群算法
（3）了解遗传规划、蚁群以及其他新型的自然计算
2.重点、难点
重点：遗传算法原理及其实现
难点：遗传规划以及粒子群算法
3.作业及课外学习要求
作业：理解遗传算法的原理，在解决函数优化问题时考虑如何实现包括其编码、交叉、变异、选择，适应度选择等。
课外学习：查阅相关文献，进一步了解进化计算或软计算的研究新进展，进化计算不同分支的发展历史。
计算机仿真：实现简单遗传算法
要求：利用MATLAB或其他软件编程实现二维单目标优化问题的求解，会利用盒图，曲线图等分析实验结果。形成大报告并附仿真代码。
（五）人工神经网络(2学时)
主要内容：神经元的几种互连形态及其特点、人工神经网络的典型模型、基于神经网络的知识表示、神经网络的简单推理过程。
1.基本要求
（1）熟悉和掌握人工神经网络的基本概念；
（2）理解利用简单的人工神经网络进行学习和推理。
2.重点、难点
重点：人工神经网络的基本概念。
难点：深度神经网络
3.作业及课外学习要求
作业：掌握基于神经网络的知识表示、神经网络的简单推理过程，比较其与之前一章推理方法的机制。
课外学习：查阅文献，完成一个神经网络包括深度学习的研究现状的报告
（六）专家系统(2学时)
主要内容：专家系统的基础知识、专家系统的基本结构、专家系统的开发及应用实例、专家系统的新进展。
1.基本要求
（1）理解专家系统的基本概念和方法；
（2）了解专家系统的新进展。
2.重点、难点
重点：专家系统的基本概念和方法、专家系统的基本结构
难点：新一代专家系统的概念
3.作业及课外学习要求
作业：通过简单医学系统专家系统的整个过程，理解其基本结构，开发过程等。
课外学习：查阅文献，了解专家系统的发展历史以及最新研究现状
（七）机器学习（2学时）
主要内容：机器学习的概念及分类、学习系统的基本结构、几种机器学习方法，知识发现及其处理过程、知识发现的方法及应用、数据挖掘的基本概念、数据挖掘的方法及应用、数据挖掘和知识发现的关系等。
1.基本要求
（1）理解机器学习的基本概念和方法、学习系统的基本结构、数据挖掘的基本概念；
（2）熟悉机器学习的新进展。
2.重点、难点
重点：机器学习的基本概念、数据挖掘的相关知识。
难点：知识发现及其处理过程。
3.作业及课外学习要求
作业：掌握集中机器学习方法，理解知识发现以及数据挖掘的概念
课外学习：数据挖掘时人工智能的一个新兴领域，通过查阅文献，给出一个关于数据挖掘比较完整的发展历史以及最新的研究动态。
计算机仿真：实现遗传算法
要求：利用MATLAB或其他软件编程2种简单的数据聚类或分类算法，如K-means，FCM,KNN,SVM等，分析实验结果，形成大报告并附仿真代码
三、教学安排及方式
总学时16学时，其中：讲授16学时，实验学时，上机学时，实践学时，研讨学时，线上学时。
序号
课程内容
学时
教学方式
1
概论
2
讲授
2
知识表示与搜索
3
讲授
3
谓词逻辑与机器定理证明
2
讲授
4
智能计算基础
3
讲授
5
人工神经网络
2
讲授
6
专家系统
2
讲授
7
机器学习
2
讲授
注：教学方式包括面授和线上，其中面授包括：讲授、实验、上机、实践、研讨五种。
四、考核及成绩评定方式
最终成绩由平时作业成绩、期末成绩和小论文成绩等组合而成。各部分所占比例如下：
平时作业成绩：20%。主要考核对每堂课知识点的复习、理解和掌握程度。
课程论文成绩：30%。主要考核发现、分析和解决问题的能力，以及语言及文字表达能力。学生可自拟题目或根据任课教师提出的题目撰写课程学习小论文，并在一定形式下进行宣讲、答辩，最后评定课程论文成绩。
计算机仿真成绩：50%。主要考核计算机运用能力、获取整理信息的能力以及理论联系实际的能力，学生可根据教师提出的题目，通过自学使用Matlab、C等进行计算机仿真，给出一定形式的仿真结果及说明。
过程成绩提交时间和总评成绩计算说明表
序号
成绩提交时间
名称或说明
C1
第1次授课后、第2次授课前
小论文
C2
第6次授课后、第7次授课前
小论文
C3
第3次授课后、第4次授课前
计算机仿真报告
C4
第5次授课后、第6次授课前
计算机仿真报告
C5
每次课后
平时成绩
总评成绩＝C1*0.15+C2*0.15+C3*0.25+C4*0.25+C6*0.2
注：上表用于说明授课过程中分项成绩提交时间，教师应在规定的时间内提交对应成绩，提前或逾期无法提交，一旦提交无法修改。大纲可以根据需要自行定义提交成绩的次数、时间和名称或说明，总评成绩计算必须与考核和成绩评定方式中描述的一致。
五、教材及参考书目
1.蔡自兴，刘丽珏，蔡竞峰，陈白帆，人工智能及其应用（第5版）[M]，清华大学出版社，2016
2.George.F.Luger著，郭茂祖刘扬玄萍王春宇译，人工智能-复杂问题求解的结构和策略[M]，机械工业出版社，2017
3.SimonHaykin著，申富饶，徐烨，郑俊等译，神经网络与机器学习[M]，机械工业出版社，2017
4.王珏,周志华,周傲英.机器学习及其应用[M].清华大学出版社.2006
5.陈国良,王熙法,庄镇泉,王东生.遗传算法及其应用[M].北京:北京人民邮电出版社,1996
6.焦李成、赵进、杨淑媛、刘芳，深度学习、优化与识别[M]，清华大学出版社，2017
七、说明
（一）与相关课程的分工衔接
要求学生修过《高等数学》等基础课程。此外，课程中的相关内容，如机器学习等可作为学习后修课程《数据挖掘》、《模式识别》的基础。
（二）其他说明
（执笔人：刘若辰审核人：慕彩红）
2018年09月02日
人工智能论文参考文献有哪些
人工智能论文参考文献有哪些发布时间：2022-06-27 | 浏览：引用参考文献是论文发表发表必要的环节，参考文献引用的恰当能提高论文的学术水平，并且使得论文论点更生动、具体。但是也不是什么文献都可以引用的，要根据论文的内容选择符合的参考文献，接下来，详细的推荐一些人工智能论文参考文献，仅供参考。
[1]杂志热评[J].上海国资.2010(09)
[2]高房价凶猛[J].本刊编辑部，林伟,禹良俊。理财杂志.2006(07)
[3]异质性、外资企业生产率与产业集聚[J].门闯，刘婷.国际商务研究2014(05)
[4]限价房性质和发展方向研究[J].章鸿雁..上海房地.2008(11)
[5]房地产营销转型之金融价值[J].邱英杰中国房地产.2016(08)
[6]房地产业成为中国经济聚焦点的原因分析[J].易棉阳程英,刘会洪.湖南财政经济学院学报.2013(02)
[7]还网游一片绿色的空间[J].刘淼.互联网天地.2005(10)
[8]让物业管理创富能力再上台阶[J].白黎.城市开发2011(09)
[9]高度关注人工智能发展对劳动就业的影响[J].王培安.人口与健康2020(07)
[10]“营改增”对房地产业的影响效应分析[J].朱茹颖.中小企业管理与科技(上旬刊).2015(09)
[11]第十一届吴文俊人工智能科学技术奖颁奖盛典暨2021中国人工智能产业年会[J].智能系统学报.2022(02)
[12]百项成果获第十届吴文俊人工智能科学技术奖[J]工业控制计算机.2021(04)
[13]人工智能(上)J].杨静宇.国外自动化.1979(04)
[14]人工智能基础的分层课堂教学思考[J].刘涛刘冀伟.计算机教育.2012(18)
[15]“梅花”傲雪,笑迎人工智能教育满园春色[J]王万森.计算机教育.2018(10)
[16]论人工智能科学诞生的逻辑背影[J].王建芳.晋阳学刊.1995(03)
[17]2017年度吴文俊人工智能科学技术奖评:选启动[J].程楠.中国社会组织.2017(05)
[18]日本机器人博览一{人工智能[J]J冯蓓.通信技术.2004(02)
[19]智能人才图解[J]东青.数据.2021(07)
[20]面向能力产出的人工智能专业人才培养模式探索与实践[J].王津周小兵，普园媛高赞,张学杰计算机教育.2021(04)
[21]人工智能发展中的法律问题探析[J].雷悦.北京邮电大学学报(社会科学版).2018(01)
[22]老年人交互性智能产品研究[J].杨磊.美与时代(_k).2018(02)
[23]“互联网+”背景下秦皇岛市社区居家养老的信息化建设对策研究[J].刘贺,程思、中国高新区.2017(24)
[24]国内外社区居家养老的对比研究[J].白雪.劳动保障世界2017(36)
[25]“互联网+”农村养老保障平台构建研究[J].吴冬.统计与管理.2017(09)
[26]复合型社区养老服务设施的空间构建一以日本东京、京都地区社区养老设施为例[J].马效史津，李峰.天津城建大学学报.2017(03)
[27]“互联网+”时代浙江农村社区养老模式构建研究[J].高军行.中国市场.2017(07)
[28]“互联网+”养老村模式服务转型的难点及对策[J].郭紫薇路洁萍,耿健男.现代营销(下旬刊).2017(01)
[29]智慧居家养老服务体系设计[J].庞玉芳陈瑜，梁达庆，黄莉雯，刘晓梅.中国医院.2017(02)
[30]农村智慧养老模式探索[J].张映芹,张瑞芳.山东财经大学学报.2017(01)
转载请注明来自：http://www.uuqikan.com/article/24370.html
上一篇：陕西有哪些文学杂志下一篇：通讯作者有什么作用